Python 如何使用个体估计器从Sklearn梯度提升分类器中获得预测概率？

我试图找出sklearn的梯度提升分类器是如何从不同的估计器中进行预测的

我想将sklearn模型转换为基本python来执行预测。我知道如何从模型中得到个体估计量，但我不知道如何从个体估计量得分中得到集成模型做出的最终概率预测。我相信有一个sigmoid函数之类的东西，但我不知道是什么

GBC = GradientBoostingClassifier(n_estimators=1)
GBC.fit(x_train, y_train, sample_weight=None)
GBC.predict_proba(np.array(x_test.iloc[0]).reshape(1,-1))

这将返回概率：

数组（[[0.23084247，0.76915753]]）

但当我跑步时：

Sole_estimator = GBC.estimators_[0][0]
Sole_estimator.predict(np.array(x_test.iloc[0]).reshape(1,-1)) 

返回

数组（[1.34327168]）

将scipy的expit应用于输出

expit(Sole_estimator.predict(np.array(x_test.iloc[0]).reshape(1,-1)))

我得到：

array([0.79302745])

我相信

.init\u

估计器有助于预测，但还没有发现是如何产生的。如果有任何关于预测是如何使用大于1 n_的估计量进行的指示，我也将不胜感激

谢谢：）